OPERATIONALISERA MASKININLÄRNING PÅ FÖRETAGSNIVÅ

HPE Ezmeral ML Ops standardiserar processer och tillhandahåller redan anpassade verktyg för att bygga, träna, distribuera och övervaka arbetsflöden för maskininlärning vilket ger dig DevOps-liknande hastighet och flexibilitet i alla steg av ML-livscykeln.

+ visa mer
HPE GreenLake för ML Ops
Modellbyggnad
Titta på videon: HPE Ezmeral Machine Learning Ops
Färdigpackade sandlåde-miljöer med self-service

Starta snabbt upp miljöer med de datavetenskapliga verktyg du föredrar för att utforska en mängd olika datakällor och samtidigt experimentera med flera olika ramverk för maskininlärning eller djupinlärning. På så sätt kan du välja den bästa modellen för de verksamhetsproblem du behöver ta itu med.

Modellträning
Titta på demon: bygga och träna en modell
En nod eller distribuerade containeriserade miljöer med flera noder

Självbetjäningsmiljöer on-demand för utveckling och testning eller arbetslaster inom produktion. Högpresterande utbildningsmiljöer – med separering mellan databehandling och lagring – som säkert får åtkomst till delade datakällor inom verksamheten i både lokal eller molnbaserat lagring.

Modelldistribution och övervakning
Titta på demon: implementera modellen
Implementera till containers med fullständig insyn över ML-processerna

Körningsbild av Implementera modellen (Python, R, H2O osv.) till en containeriserad slutpunkt. Med modellregistret kan du spåra modellversioner och sömlöst uppdatera modeller vid behov. Ha fullständig insyn gällande användning av resurser vid exekvering. Spåra, mäta och rapportera modellprestanda samt spara och inspektera inmatningar och utmatningar för varje poängförfrågan. Integrationer med tredjepartsprogramvara rapporterar modellens noggrannhet och tolkning.

Samarbete
Titta på demon: konfigurera projektkodförråd
CI/CD. A/B-tester eller tester till utvalda användare

HPE Ezmeral ML Ops möjliggör källkontroll med färdiga integreringsverktyg som GitHub. Lagra flera olika modeller (flera olika versioner med metadata) för olika körningsmotorer i modellregistret. Kör A/B-tester eller tester till utvalda användare för att validera modellen före storskalig distribution. Ett integrerat projektarkiv underlättar samarbetet och erbjuder spårning av härkomst för att förbättra möjligheten till granskningar.

Säkerhet och kontroll
Multitenans och dataisolering på delad infrastruktur och datakällor

Utnyttja stöd för flera innehavare och dataisolering för att säkerställa logisk åtskillnad mellan varje projekt, grupper eller avdelningar inom organisationen. Plattformen integreras med säkerhets- och autentiseringsmekanismer på företagsnivå såsom LDAP, Active Directory och Kerberos.

Hybrid distribution
Redo för hybridmolnet

Kör programvaran HPE Ezmeral ML Ops lokalt på alla infrastrukturer, i flera publika moln (Amazon® Web Services, Google® Cloud Platform eller Microsoft® Azure) eller som en hybridmodell vilket tillhandahåller effektivt resursutnyttjande och lägre driftskostnader.

  • 53%
    ökad lönsamhetForrester%3A%20Operationalize%20Machine%20Learning%2C%20juni%202020
  • 52%
    bättre kundupplevelserForrester%3A%20Operationalize%20Machine%20Learning%2C%20juni%202020
  • 49%
    bättre användning av bästa praxis för datavetenskapForrester%3A%20Operationalize%20Machine%20Learning%2C%20juni%202020

HPE ML OPS, TEKNISKA VIDEOR

PRODUKTDETALJER FÖR HPE EZMERAL ML OPS

HPE Ezmeral ML Ops övervinner utmaningarna ”på upploppssträckan” med en plattform som ger en molnliknande upplevelse i kombination med färdigpackade verktyg för att operationalisera livscykeln för maskininlärning från pilotprojekt till produktion.

+ visa mer
HPE Ezmeral ML Ops

En programvarulösning som utökar kapaciteten hos HPE Ezmeral Runtime Enterprise för att stödja hela ML-livscykeln genom att implementera DevOps-liknande processer för att standardisera och accelerera arbetsflöden för maskininlärning. Den ger datavetenskapsteam möjlighet att med ett enda klick implementera distribuerade AI-/ML-miljöer och få säker tillgång till de data de behöver.

SUCCESS IN ACTION
Optum logo

ADVISORY BOARD (OPTUM) USES HPE EZMERAL TO ACCELERATE BUSINESS OUTCOMES WITH AI AND ML IN THE ENTERPRISE

Advisory Board (Optum) deploys predictive analytics and machine learning on big data using the container-based platform from HPE Ezmeral. Learn how they streamlined operations and cut costs while enhancing patient care in U.S. hospitals.

Utmaning

Helping hospitals across the US translate their big data into actionable insights that deliver business value.

Lösning

Deployment of distributed ML and analytics applications and for the separation of compute and memory from storage.

“HPE Ezmeral has helped us to address these challenges with their containerized solution that has delivered faster time-to-insights, reduced our costs, and freed up our staff to innovate. It’s paying big dividends for our organization, and we look forward to continuing our journey together.”

Ramesh Thyagarajan, Executive Director, Advisory Board (Optum)

Resultat

Data-driven insights needed to improve operational efficiency, reduce infrastructure costs, and enhance patient care. 

Watch the Video